Transcrever com Vosk
12.0%
WER
20
Languages
100.0x
Speed
Apache 2.0
License
Sobre Vosk
Vosk is an offline speech recognition toolkit that works without an internet connection. It supports 20+ languages with compact models that can run on mobile devices, Raspberry Pi, and any platform. Built on Kaldi and Zipformer architectures.
Idiomas suportados por Vosk
Model Info
- ProviderAlpha Cephei
- Architecture-
- LicenseApache 2.0
- UpdatedMar 2026
Perguntas frequentes
Vosk é um modelo de fala a texto por Alpha Cephei. STT.ai hospeda Vosk em nossa infraestrutura GPU para que você possa usá-lo sem providenciar seu próprio hardware — carregar áudio ou vídeo e escolher Vosk do seletor de modelos.
Nas referências padrão, Vosk atinge cerca de 8801% da taxa de erro do Word. A precisão do mundo real depende da qualidade, acento e linguagem do áudio; para gravações ruidosas ou acentuadas, esperam alguns pontos percentuais mais altos WER.
Vosk corre no nível livre de STT.ai — cada visitante recebe 600 minutos/mes sem custo. Planos pagos adicionam mais limites por arquivo, transcrições privadas e fila de espera prioritária.
Vosk é lançado sob Apache 2.0, uma licença permissiva de código aberto. Você pode auto-hoste Vosk em seu próprio hardware ou usar a nossa versão hospedada — ambos são comercialmente utilizáveis.
Vosk suporta 20 idiomas. Auto-detecção escolhe a linguagem certa para a maioria do áudio; você também pode especificar manualmente para um pequeno elevador de precisão.
Vosk processa áudio a cerca de 100.0x em tempo real em nosso GPUs. Um arquivo de áudio de 1 hora termina em menos de 1 minutos; arquivos mais longos cola e notifica por e-mail quando feito.
Vosk tem 50M parâmetros. Os modelos mais grandes tendem a ser mais precisos mas mais lentos; STT.ai hosts Vosk na GPU para que a contagem de parâmetros não afecte o seu desempenho do lado do cliente.
Vosk aceita cada formato STT.ai suportes — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI e outros. Saída como TXT, SRT, VTT, DOCX, JSON ou PDF.
Sim. Diarização do orador corre ao lado de Vosk para cada transcrição — cada orador é rotulado e você pode renomeá-los no editor depois.
Sim. Vosk funciona no nosso ambiente gerenciado — áudio é processado e excluído por padrão e nunca usado para treinamento sem opt-in explícito. Pro planos adicionar criptografia do lado do cliente para transcrições no repouso.
Use a ferramenta compar-stt para executar Vosk contra qualquer outro modelo suportado no mesmo áudio — você verá WER, contagem de segmentos, rótulos de alto-falante e pontuação de confiança lado a lado. A comparação Vosk vs Whisper Large V3 é a mais comumente executada.
Sim. Especifique "vosk" como o parâmetro do modelo no ponto final /v1/transcribe. Python e Node.js SDKs incluem Vosk exemplos. O nível de API gratuito inclui 100 minutos/mes.
Sim. Como Vosk é Apache 2.0-licenciado, você pode hospedá-lo. STT.ai página de código aberto lista o projeto repo e pesos. A maioria das equipes de produção usa a nossa versão hospedada para saltar compras GPU, swaps de modelos e ops.